İnsan kaynakları liderlerinin yüzde doksan altısı, giriş seviyesi rollerin beş yıl içinde yapay zekâ sistemlerini denetleyen veya yöneten işlere dönüşmesini bekliyor. Bu kuruluşların yüzde kırk altısı ise proaktif olarak hiçbir yapay zekâ eğitimi düzenlemiyor (Pearson & Cognizant, AI Workforce Pulse, 2026). Bu iki sayıyı yan yana koyun ve bu yıl yayımlanan, giriş seviyesi yapay zekâ gözetimi sorununun en net ifadesini elde edersiniz: işin nereye gittiğine dair neredeyse evrensel bir mutabakat ve şirketin bu yolculuğu finanse etmesinin yazı-tura kadar belirsiz bir ihtimali.
Bu açık bir tahmin hatası değil. Şu anda, varsayılan olarak, onu hiç adlandırmamış şirketlerde alınan bir bütçe kararı. Pearson ve Cognizant, ABD, Birleşik Krallık ve Hindistan'da 1.000'den fazla çalışanı olan kuruluşlarda direktör ve üzeri seviyedeki 750 İK liderini, 2026 baharında sahada uygulayıp 18 Haziran'da yayımlayarak ankete tabi tuttu. Bir Head of Operations'ı bütçenin ortasında durdurması gereken bulgu, yapay zekânın giriş seviyesi işin peşinde olması değil — işgücü verilerine en yakın kişilerin, giriş seviyesi rolün daha zor bir şeye dönüştüğünü çoktan bilmesi ve çoğunun yeni çalışanı o role haritasız göndermesidir.
Manşet "işler kayboluyor" değil. "İşler dönüşüyor — finanssız"
2026'nın giriş seviyesi işe dair baskın anlatısı yok oluş. Arkasındaki veriler gerçek: SignalFire'ın State of Tech Talent raporu, Büyük Teknoloji şirketlerinde yeni mezun işe alımının pandemiden önce tüm işe alımların %15'iyken yaklaşık %7'ye düştüğünü, yeni mezunların role başlamasının 2019'dan bu yana yaklaşık %50 gerilediğini buldu (SignalFire, State of Tech Talent, 2025). Duyduğunuz tek hikâye buysa, stratejik sonuç karamsar ve edilgendir: junior işe almayı bırakın, geçmesini bekleyin.
Pearson ve Cognizant farklı ve daha eyleme dönük bir hikâye anlatıyor. Verileri, giriş seviyesi işin temel olmaya devam ettiğini söylüyor — İK liderlerinin %94'ü yapay zekânın daha önce var olmayan yeni giriş seviyesi roller üreteceğini, %96'sı ise bugünkü giriş seviyesi rollerin beş yıl içinde yapay zekâ gözetim rollerine dönüşeceğini bekliyor (Pearson & Cognizant, AI Workforce Pulse, 2026). Junior iş yok olmuyor. Yeniden yazılıyor — görevi yapmaktan görevi yapan sistemi yönlendirmeye ve denetlemeye. Bu, giriş seviyesi bir rolün maaş bandını giyen, bilişsel taleple gelen bir terfidir.
Ve operasyonel iğne burada: aynı liderlerin %60'ı öğrenme ve gelişim programlarının bu kaymaya ayak uyduramadığını kabul ediyor; %46'sı proaktif olarak hiçbir yapay zekâ eğitimi düzenlemiyor — üstelik %91'i çalışanların yapay zekâ eğitimi taleplerinin geçen yıl arttığını bildiriyor. Talep sinyali yüksek, arz yanıtı ise pazarın neredeyse yarısında yok. İşte bir satırda %96 / %46 hazırlık açığı: rol siz finanse etseniz de etmeseniz de dönüşüyor ve şu anda tipik şirket onu finanse etmiyor.
Dönüşüm Neden "Sadece Yapay Zekâ Ekle"den Daha Zor
"Yapay zekâyı denetlemeyi" yerine geçtiği işten daha hafif bir iş gibi görmek caziptir. Tam tersi. Bir yapay zekâ sistemini denetlemek, onun kendinden emin yaptığı hataları yakalamak, çıktısının makul ama yanlış olduğu anı bilmek ve modelin yalnızca önerebileceği kararı üstlenmek demektir. Bu bir muhakeme işidir ve muhakeme, 22 yaşındaki birinin, başkasının işini denetlemesine güvenilmeden önce, görevi iki yıl boyunca bizzat yaparak yavaşça inşa ettiği şeyin ta kendisidir.
Yapmayı çıkarın, o muhakemeyi üreten çıraklığı çıkarmış olursunuz. Cognizant'ın daha geniş araştırması, yapay zekânın bugün işlerin %93'ünü etkileyebileceğini buldu (Cognizant, New Work, New World, 2026); bu da bunun teknoloji sektörüne özgü niş bir sorun olmadığı anlamına gelir — operasyon, finans, pazarlama ve destek işlevlerine eşzamanlı olarak geliyor. 2027'nin giriş seviyesi çalışanından, alttaki işi hiç bizzat yapmadığı alanlarda sistemleri denetlemesi istenecek. Kasıtlı bir eğitim olmadan, bir gözetim rolünü doldurmuyorsunuz. İnce yollarla başarısız olan bir sistemin üzerine niteliksiz bir gözetmen yerleştiriyor ve buna maliyet tasarrufu diyorsunuz.
Pearson verileri, İK liderlerinin tam da bunu gördüğünü doğruluyor: %97'si artık yumuşak becerilerin — uyum, muhakeme, iletişim — her zamankinden daha önemli olduğunu söylüyor, %69'u dar uzmanlaşma yerine geniş, disiplinler arası geçmişlere değer veriyor ve %67'si beşeri bilimler diplomalarına eskisinden daha çok değer verdiğini bildiriyor. Pazar size, yapay zekâ gözetim rolünün eski "tanımlı bir görevin hızlı uygulayıcısı"ndan farklı bir profili ödüllendirdiğini söylüyor. İş tanımlarının çoğu bunu yansıtacak şekilde yeniden yazılmadı.
Orta Pazar Tuzağı: Giriş Seviyesi Yapay Zekâ Gözetimine Sahip Katmanı Kesiyorsunuz
200 çalışanlı bir şirket için, araştırmaya gömülü ikinci ve daha keskin bir sorun var. İK liderlerinin %90'ından fazlası, yapay zekâ günlük işi değiştirdikçe rolleri yeniden tanımlamada orta kademe yöneticilerin belirleyici olduğunu söylüyor (Pearson & Cognizant, AI Workforce Pulse, 2026). Orta kademe yönetim, soyut bir "rol değişiyor"un somut bir "işte şimdi şunu yapıyorsun, işte nasıl kontrol edeceğim, işte iyi işin nasıl göründüğü"ne dönüştüğü mekanizmadır.
Şimdi son 18 ayın orta pazara hâkim yapay zekâ oyun kitabını üzerine koyun: organizasyonu yassılaştır, yönetici katmanını kes, tasarrufla yapay zekâ araçlarını finanse et. Tuzak kendini yazar. Rol dönüşümü gelir (%96), onu destekleyecek eğitim finanssız kalır (%46 hiç), ve yeni çalışan için değişimi tercüme etmesi gereken katman, değişimi tetikleyen yapay zekânın parasını ödemek için ortadan kaldırılır. Müfredatı olmayan ve gözetmenin gözetmeni olmayan bir giriş seviyesi yapay zekâ gözetim rolü yarattınız. Bu yalın bir organizasyon değil. Kadro satırı olan bir hesap verebilirlik boşluğu.
Büyük şirketler bunu bir süre soğurabilir — L&D departmanları, yetkinlik çerçeveleri ve kapsamı doğaçlamaya yetecek kadar kalan yöneticileri vardır. 200 kişilik bir operasyon soğuramaz. Yönetici katmanınızı keser ve eğitim bütçesini atlarsanız, kurumsal bir güvenlik ağı yoktur. Yeni çalışan canlı işte başarısız olarak öğrenir, başarısızlıklar yapay zekânın önlemesi gereken kalite sorunları olarak yüzeye çıkar ve tüm yapay zekâ yatırımının verimlilik gerekçesi sessizce tersine döner.
Karşı Argüman: "Zaten Yapay Zekâ Yetkin İnsanları İşe Alırız"
Maliyet bilincine sahip bir operatörün makul itirazı şudur: eğitimi neden finanse edelim ki? Girişte yapay zekâ yetkinliğine göre işe al, mülakatta ele, beceriyi işgücü piyasası üretsin. Bu gerçek bir duruştur ve reddedilmek yerine doğrudan bir yanıtı hak eder.
İki noktada başarısız olur. Birincisi, rolün gerçekten talep ettiği beceri "bir sohbet botuna soru sorabilmek" değil — model belirsizliği altında muhakeme, kendinden emin yanıtın ne zaman yanlış olduğunu bilme yeteneğidir. Bu bir özgeçmişte veya 45 dakikalık bir mülakatta güvenilir biçimde görünmez ve buna gerçekten sahip adaylar, tam da her şirketin şimdi üzerine teklif verdiği kişilerdir. İkincisi, Pearson verilerinin kendisi eleği baltalar: liderlerin %97'si yumuşak becerileri ve uyumu belirleyici özellikler olarak değerlendirdiğinde, artık bir araç listesine göre işe almıyorsunuz — bilişsel bir profile göre işe alıyor ve sonra üzerine alan muhakemesini geliştiriyorsunuz. İşe-al-eğitme stratejisi, pazarın orta pazarın kazanabileceği hacimde veya fiyatta üretmediği bitmiş bir ürünü varsayar.
Dürüst sentez: ne tamamen satın alarak ne de tamamen eğiterek bu işten çıkabilirsiniz. İşe yarayan, kasıtlı bir ayrımdır — iyi eğitilemeyen özelliğe (uyum, muhakeme, öğrenme hızı) göre seçin, sonra eğitilebilen yapay zekâya özgü beceriler için eğitimi finanse edin. Bunu salt bir işe alım sorunu ya da salt bir eğitim sorunu olarak ele alan şirketlerin her ikisi de, hangisinin hangisi olduğunu adlandıranların gerisinde kalacak.
Entegrasyonun Gerçekte Getirisi — ve Açığı Açık Bırakmak Neden Pahalı
Bunun bir dipnot değil bir bütçe savaşına değmesinin nedeni: yapay zekâ işe gerçekten entegre edildiğinde ve insan onu yönlendirecek donanıma sahip olduğunda, getiriler marjinal değildir. Harvard Business School–BCG'nin bilgi çalışanları üzerindeki saha deneyi, yapay zekâyı iyi kullananların görevleri yaklaşık %25 daha hızlı tamamladığını ve kontrol grubuna kıyasla kalitede yaklaşık %40 daha yüksek değerlendirilen iş ürettiğini buldu (Harvard Business School & BCG, 2023). O kazanç, hazırlık açığının öbür tarafındaki ödüldür — ve yalnızca sistemi işleten kişi ne yaptığını bildiğinde gerçekleşir. Eğitimsiz bir gözetmen %40'lık kalite artışını toplamaz; modelin hatalarını ölçekte toplar.
Yani eğitim finanse etmeyen %46, finanse eden %54'ten daha yalın bir operasyon yürütmüyor. Yapay zekâ kapasitesi için tam fiyatı ödüyor ve o kapasiteyi kazançlı kılan çarpandan vazgeçiyorlar. Eğitim kalemi, yapay zekâ yatırımı üzerine bir genel gider değildir. Yapay zekâ yatırımını bir yükümlülük yerine bir getiriye dönüştüren dönüşüm mekanizmasıdır.
Bu Çeyreğin Kararı
Beş yıllık bir işgücü kaymasını bu çeyrekte kapatmayacaksınız. Sizi doğru tarafa koyan tek bir şey yapabilirsiniz. Bir sonraki açık giriş seviyesi pozisyon talebinizi — eski bir "şu tanımlı görevleri yap" iş tanımına göre yazılmış olanı — yayımlanmadan önce yeniden yazın. İki değişiklik: araç listeleri yerine açıkça uyuma ve belirsizlik altında muhakemeye göre eleyin ve role adı konmuş, finanse edilmiş bir yapay zekâ eğitim yolu ekleyin; böylece yeni çalışan bir gözetmen olarak inşa edilsin, gözetmen olmaya terk edilmesin.
İşte %96'nın gelmekte gördüğü ve %46'nın yapmadığı hamle bu. Giriş seviyesi yapay zekâ gözetim rolü, siz hazırlansanız da hazırlanmasanız da organizasyon şemanıza geliyor. Açık olan tek soru şu: gelecek çeyrek oraya koyacağınız kişi bir haritayla mı gelecek — yoksa bugün finanse etmeniz gereken eğitim bütçesini gerekçelendirmek için kullanacağınız ilk başarısızlık mı olacak.
